論文の概要: Bootstrap Perception Under Hardware Depth Failure for Indoor Robot Navigation
- arxiv url: http://arxiv.org/abs/2603.28890v1
- Date: Mon, 30 Mar 2026 18:14:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:02.654862
- Title: Bootstrap Perception Under Hardware Depth Failure for Indoor Robot Navigation
- Title（参考訳）: 屋内ロボットナビゲーションにおけるハードウェア深度障害時のブートストラップ認識
- Authors: Nishant Pushparaju, Vivek Mattam, Aliasghar Arab,
- Abstract要約: ハードウェア深度障害下での屋内ロボットナビゲーションのためのブートストラップ認識システムを提案する。
廊下のデータでは、飛行時のカメラは反射面の深さピクセルの最大78%を失うが、2D LiDARだけではスキャン面の上の障害物を感知できない。
我々のシステムは、この失敗の自己参照特性を利用しており、センサーの生き残った有効なピクセルは、学習した単色深度をメートル法スケールに調整する。
- 参考スコア（独自算出の注目度）: 1.0514231683620514
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a bootstrap perception system for indoor robot navigation under hardware depth failure. In our corridor data, the time-of-flight camera loses up to 78% of its depth pixels on reflective surfaces, yet a 2D LiDAR alone cannot sense obstacles above its scan plane. Our system exploits a self-referential property of this failure: the sensor's surviving valid pixels calibrate learned monocular depth to metric scale, so the system fills its own gaps without external data. The architecture forms a failure-aware sensing hierarchy, conservative when sensors work and filling in when they fail: LiDAR remains the geometric anchor, hardware depth is kept where valid, and learned depth enters only where needed. In corridor and dynamic pedestrian evaluations, selective fusion increases costmap obstacle coverage by 55-110% over LiDAR alone. A compact distilled student runs at 218\,FPS on a Jetson Orin Nano and achieves 9/10 navigation success with zero collisions in closed-loop simulation, matching the ground-truth depth baseline at a fraction of the foundation model's cost.
- Abstract（参考訳）: ハードウェア深度障害下での屋内ロボットナビゲーションのためのブートストラップ認識システムを提案する。
廊下のデータでは、飛行時のカメラは反射面の深さピクセルの最大78%を失うが、2D LiDARだけではスキャン面の上の障害物を感知できない。
我々のシステムは、この失敗の自己参照特性を利用する: センサの有効な画素は、学習した単色深度をメートル法スケールに調整するので、システムは外部データなしで独自のギャップを埋める。
LiDARは幾何学的なアンカーのままであり、ハードウェアの深さは有効に保たれ、学習した深さは必要な場所だけに入る。
廊下および動的歩行者評価において、選択的融合はLiDAR単独で55-110%のコストマップ障害物カバレッジを増大させる。
コンパクト蒸留された学生は、Jetson Orin Nano上で218\,FPSで動作し、クローズドループシミュレーションにおいてゼロ衝突で9/10のナビゲーション成功を達成する。
関連論文リスト
- Learning Vision-Based Omnidirectional Navigation: A Teacher-Student Approach Using Monocular Depth Estimation [1.3458279593461018]
2D LiDARセンサーは、環境の1つの水平スライスしか認識せず、スキャン面の上や下にある重要な障害物を欠いている。
本稿では,LiDARセンサの不要な視覚型移動ロボットナビゲーションのための教師支援フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-02T15:50:52Z) - AsterNav: Autonomous Aerial Robot Navigation In Darkness Using Passive Computation [7.194266824918107]
Infra-Red(IR)単眼カメラと大口径の符号化レンズと、GPSやモーションキャプチャなどの外部インフラを使わずに構造光を組み合わせることで、暗闇の中でのナビゲーションを可能にする自律飛行ロボットを提案する。
AsterNetはNVIDIA Jetson Orin$textTM$ Nanoで20Hzで動作する。
論文 参考訳（メタデータ） (2026-01-24T18:41:40Z) - Real-Time Glass Detection and Reprojection using Sensor Fusion Onboard Aerial Robots [9.34137124377529]
透明な障害物は、信頼性の高いナビゲーションとマッピングに重大な課題をもたらします。
本稿では,300g以下の4乗子上での透明な障害物の検出とマッピングのための,新しい計算効率の高いフレームワークを提案する。
提案手法は,カスタム2次元畳み込みモデルを用いて,Time-of-Flight(ToF)カメラと超音波センサのデータを融合する。
パイプライン全体がリアルタイムで動作し、組み込みプロセッサ上のCPUコアのごく一部しか利用できない。
論文 参考訳（メタデータ） (2025-10-07T23:31:45Z) - Skyshield: Event-Driven Submillimetre Thin Obstacle Detection for Drone Flight Safety [22.778033892271555]
本稿では,イベント駆動型エンドツーエンドフレームワークであるSkyShieldについて紹介する。
提案手法では,U-Net アーキテクチャとDice-Contour 正規化損失を用いて精度の高い検出を行う。
論文 参考訳（メタデータ） (2025-08-13T00:26:35Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。
車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。
また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
論文 参考訳（メタデータ） (2021-12-03T18:59:59Z) - Augmented reality navigation system for visual prosthesis [67.09251544230744]
反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。
対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。
その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
論文 参考訳（メタデータ） (2021-09-30T09:41:40Z) - Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。
特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。
これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文 参考訳（メタデータ） (2020-04-01T16:11:04Z) - BADGR: An Autonomous Self-Supervised Learning-Based Navigation System [158.6392333480079]
BadGRは、エンドツーエンドの学習ベースのモバイルロボットナビゲーションシステムである。
実際の環境で収集された、自己監督型のオフポリシーデータでトレーニングすることができる。
BadGRは、幾何学的に邪魔な障害物を伴って、現実世界の都市やオフロード環境をナビゲートすることができる。
論文 参考訳（メタデータ） (2020-02-13T18:40:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。